《Geothermics》：Uncertainty quantification under data worth for the Delft campus geothermal project
编辑推荐：
相建模方法代表了一阶不确定性来源；井数据通过减少压力和温度预测的不确定性，提供了显著的数据价值；净毛比（N/G）和孔隙度-渗透率关系主要控制热响应；GPU加速模拟实现了计算高效的不确定性研究。
相建模方法代表了一阶不确定性来源；井数据通过减少压力和温度预测的不确定性，提供了显著的数据价值；净毛比（N/G）和孔隙度-渗透率关系主要控制热响应；GPU加速模拟实现了计算高效的不确定性研究。
**论文解读：代尔夫特校区地热项目的数据价值与不确定性量化研究**
**1. 研究背景、问题与意义**
地热能在欧洲联盟（EU）中具有巨大潜力，可满足超过25%的空间供暖和制冷需求及温室供暖需求。荷兰的Den Haag–Delft–Rotterdam地区因高人口密度和温室需求，成为地热开发的重点区域。代尔夫特理工大学（TU Delft）校区的地热项目（Geothermie Delft, GTD）于2023年成功钻探了一对地热井，并于2026年开始产热。尽管在钻井过程中广泛采集了测井、岩心和试井数据，但地下地质不确定性的固有复杂性以及远离井点的有限空间数据，使得必须借助计算机模型来获得全面的储层尺度认知。
在直接利用地热系统（Direct-Use Geothermal Systems, DUGS）中，地下数据比油气系统更为有限，这使得构建能完全捕捉地下复杂性的综合地质模型更加困难。先前研究已表明，储层异质性（如孔隙度、渗透率的变化）会显著影响地热储层性能，但针对数据价值（data worth）——即新增井数据对减少预测不确定性的定量贡献——的系统性量化研究仍相对缺乏。此外，不同的相建模方法（如对象建模（Object-based Modeling, OBM）和序贯指示模拟（Sequential Indicator Simulation, SIS））对不确定性评估的影响尚未被充分比较。因此，本研究旨在通过构建综合地质模型集合，量化地质参数不确定性对热生产的响应，并评估井数据对压力和温度预测的约束价值，从而为类似地热项目的决策提供依据。该论文发表在《Geothermics》期刊。
**2. 关键技术方法**
研究人员采用了一套系统的工作流程，主要包括以下关键技术方法：（1）相建模：使用对象建模（OBM）和序贯指示模拟（SIS）两种方法，基于伽马射线（GR）测井数据计算泥质含量，并划分粗砂、细砂和页岩三种岩相，生成空间分布模型。（2）属性建模：应用序贯高斯模拟（Sequential Gaussian Simulation, SGS）在相约束下填充孔隙度，并使用从核磁共振（NMR）测井导出的新孔隙度-渗透率相关性（对比Willems等人（2020）的相关性）将孔隙度转换为渗透率。（3）异质性量化：采用洛伦兹系数（Lorenz coefficient, LC）评估所有地质模型的异质性水平。（4）动态模拟：使用开源Delft Advanced Research Terra Simulator（open-DARTS）的GPU版本进行全物理场热生产模拟，解决包含约820万个变量的单一时间步问题。（5）敏感性分析：应用基于距离的广义敏感性分析（Distance-based Generalized Sensitivity Analysis, DGSA）来识别关键控制参数。样本来源包括代尔夫特校区地热井（GTD）以及研究区内10口井的测井和岩心数据。
**3. 研究结果**
**3.1. 地质模型（Geological model）**
- **构造模型（Structural model）**：基于解释的地质层位和5条主要断层，构建了覆盖47 km2、约2300万网格单元的三维构造模型，精细刻画了DSSM（Delft Sandstone Member）的构造特征。
- **相模型（Facies model）**：通过OBM和SIS两种方法生成相分布。OBM产生连续河道，而SIS产生分散的砂体斑块。OBM模型中的河道连续性显著高于SIS模型，导致两种方法在储层质量岩石比例（粗砂与细砂）上呈现不同分布。
- **属性模型（Property model）**：基于相模型，使用SGS填充孔隙度，并应用两种孔隙度-渗透率相关性。新相关性（基于GTD井NMR数据）在相同孔隙度下给出更高渗透率，尤其对孔隙度<15%的岩相。
- **静态异质性分析（Static heterogeneity analysis）**：对所有场景的LC值进行评估，范围0.28–0.74。OBM模型因连续河道导致LC分布较窄，SIS模型因砂体破碎导致LC分布更宽。引入GTD井数据后，LC分布变窄，表明井数据约束了异质性。新孔隙度-渗透率相关性使模型更均匀（LC值降低）。
**3.2. 动态分析（Dynamic analysis）**
- **统计收敛（Statistical convergence）**：通过移动平均方法验证了约400个实现足以获得统计稳健的P10、P50、P90结果。
- **井温度与压力（Well temperature and pressure）**：不同相建模方法对P50井底温度（BHT）影响较小，但SIS模型产生更宽的80%置信区间，反映其连通性变化更大。无GTD约束的模型系统寿命最短（23年），而有约束的模型约为35年。约91%的受约束模型注入井井底压力（BHP）低于法规上限（260 bar）。温度剖面显示，SIS模型因砂体不连续导致温度波动更剧烈；无约束模型温度变化范围（23 K）大于有约束模型（15 K）。
- **敏感性分析（Sensitivity analysis）**：DGSA识别出N/G比（或粗砂比例）和孔隙度-渗透率相关性是控制BHT和BHP的关键参数，其他参数影响不显著。SIS模型对相比例和相关性更敏感。
- **储层温度与压力（Reservoir temperature and pressure）**：最差情景（P90）显示，OBM模型中高连通性导致均匀冷羽，而SIS模型因分散砂体产生复杂冷羽和更大压力差异。无约束模型因缺少连通通道，冷羽呈尖刺状且压力差更大。
- **注入温度垂直份额（Vertical share of the injection temperature）**：OBM模型因连续河道导致均匀垂直分布，SIS模型因流体分散导致不规则形状。无约束模型显示出更分散的冷羽轮廓。变流量方案（平均流量为最大流量的42%）使冷锋推进速度降低41%–48%。
- **地质建模与动态模拟的GPU时间性能（Time performance of geo-modeling and dynamic simulation with GPU）**：OBM建模平均耗时11分钟，SIS建模平均耗时40分钟；GPU加速的open-DARTS模拟单个模型50年约需3.2分钟，比地质建模快一个数量级。
**3.3. 建模局限性（Modeling limitations）**
研究假设相是岩性变化的主要控制因素，可能低估了相内小尺度异质性；孔隙度和渗透率数据有限（仅两口井有NMR测井）；动态模拟仅使用裁剪后的局部模型，未考虑全区域多双井交互。
**4. 讨论与结论**
研究通过系统的不确定性量化框架，得出五个可推广的结论：（1）相建模方法本身是一阶不确定性源，OBM和SIS产生系统性不同的空间分布，单独研究单一方法会低估总不确定性。（2）井数据约束对压力不确定性的缩减远大于对热不确定性的缩减，压力指标（如注入井BHP）比温度指标更易受约束。（3）洛伦兹系数与最终生产温度呈强负线性相关，可作为静态异质性的早期预测指标，无需运行动态模拟即可识别极端热性能模型。（4）N/G比和孔隙度-渗透率相关性是主导参数，多数其他参数影响可忽略，未来研究应优先表征这些关键输入。（5）约400个实现足以保证统计收敛，为类似地下不确定性研究提供了实用的集合规模基准。这些结论强调，提高地热性能预测可靠性的关键在于审慎处理地质建模选择（相建模方法、模型异质性水平和孔隙度-渗透率相关性），而非盲目细化单个参数分布。
